基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
文中首先将电能质量扰动信号分类方法划分为模式分类法与非模式分类法,然后简要介绍了模式分类法,综述了人工神经网络、贝叶斯分类、专家系统、支持向量机几种典型的模式分类方法在电能质量扰动信号分类中的应用,对比分析了各种方法的利弊,并对现存的问题及以后的发展趋势进行了展望.
推荐文章
电能质量扰动分类的决策树方法
电能质量
扰动分类
小波变换
决策树
基于改进支持向量机的电能质量扰动分类
电能质量
扰动识别
最小二乘支持向量机
小渡变换
基于粒子群优化与卷积神经网络的电能质量 扰动分类方法
新能源
电能质量
扰动分类
特征提取
粒子群优化(PSO)
深度学习
卷积神经网络(CNN)
基于改进PSO-SVM算法的电能质量扰动分类
支持向量机(SVM)
小波变换
粒子群算法(PSO)
电能质量
分类
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 模式分类方法在电能质量扰动信号分类中的应用综述
来源期刊 电网技术 学科 工学
关键词 电能质量扰动 模式分类 人工神经网络(ANN) 贝叶斯分类 专家系统(ES) 支持向量机(SVM)
年,卷(期) 2009,(1) 所属期刊栏目 电力系统
研究方向 页码范围 31-36
页数 6页 分类号 TM714
字数 语种 中文
DOI
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 周林 119 3457 32.0 57.0
2 刘强 46 651 15.0 25.0
3 武剑 8 205 2.0 8.0
4 马永强 5 157 4.0 5.0
5 方群会 2 44 1.0 2.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (199)
共引文献  (719)
参考文献  (30)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1989(1)
  • 参考文献(0)
  • 二级参考文献(1)
1991(2)
  • 参考文献(0)
  • 二级参考文献(2)
1992(6)
  • 参考文献(0)
  • 二级参考文献(6)
1993(3)
  • 参考文献(0)
  • 二级参考文献(3)
1994(3)
  • 参考文献(0)
  • 二级参考文献(3)
1995(7)
  • 参考文献(0)
  • 二级参考文献(7)
1996(14)
  • 参考文献(0)
  • 二级参考文献(14)
1997(5)
  • 参考文献(0)
  • 二级参考文献(5)
1998(5)
  • 参考文献(0)
  • 二级参考文献(5)
1999(14)
  • 参考文献(1)
  • 二级参考文献(13)
2000(26)
  • 参考文献(2)
  • 二级参考文献(24)
2001(23)
  • 参考文献(1)
  • 二级参考文献(22)
2002(26)
  • 参考文献(3)
  • 二级参考文献(23)
2003(22)
  • 参考文献(0)
  • 二级参考文献(22)
2004(36)
  • 参考文献(8)
  • 二级参考文献(28)
2005(17)
  • 参考文献(2)
  • 二级参考文献(15)
2006(11)
  • 参考文献(5)
  • 二级参考文献(6)
2007(5)
  • 参考文献(5)
  • 二级参考文献(0)
2008(3)
  • 参考文献(3)
  • 二级参考文献(0)
2009(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
电能质量扰动
模式分类
人工神经网络(ANN)
贝叶斯分类
专家系统(ES)
支持向量机(SVM)
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
电网技术
月刊
1000-3673
11-2410/TM
大16开
北京清河小营东路15号中国电力科学研究院内
82-604
1957
chi
出版文献量(篇)
9975
总下载数(次)
39
相关基金
重庆市自然科学基金
英文译名:
官方网址:http://law.ddvip.com/law/2006-09/11584979384040.html
项目类型:重点项目
学科类型:
论文1v1指导